CN1723467A - 表情不变的面部识别 - Google Patents

表情不变的面部识别 Download PDF

Info

Publication number
CN1723467A
CN1723467A CNA2003801055694A CN200380105569A CN1723467A CN 1723467 A CN1723467 A CN 1723467A CN A2003801055694 A CNA2003801055694 A CN A2003801055694A CN 200380105569 A CN200380105569 A CN 200380105569A CN 1723467 A CN1723467 A CN 1723467A
Authority
CN
China
Prior art keywords
image
expressive features
catch
pixel
face
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA2003801055694A
Other languages
English (en)
Inventor
V·菲洛明
S·古特塔
T·米罗斯拉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN1723467A publication Critical patent/CN1723467A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

一种识别和/或验证系统，当捕获图像上的面部表情不同于存储图像上的面部表情时它具有改善的精确性。捕获一个人的一个或多个图像。定位捕获图像的表情面部特征。接着系统将这些表情面部特征与存储图像的表情面部特征进行比较。如果不存在匹配，那么存储捕获图像中不匹配的表情面部特征的位置。接着，从捕获图像与存储图像之间的整体比较中移除这些位置。从整个图像的后续比较移除这些位置减少了由于捕获图像的面部表情和进行匹配的存储图像之间的差异而引起的错误否定。

Description

表情不变的面部识别
技术领域
本发明一般地涉及面部识别，并特别地涉及改进的面部识别技术，所述技术既便在捕获的图像中的人的表情与存储的图像中不同时，也能识别人的图像。
背景技术
面部识别系统用于为许多不同的应用识别和验证个人，不同的应用比如是获得进入安全设施、识别人们以便个性化诸如在家庭网络环境中的服务、以及在公共设施中定位通缉的个人。设计任何面部识别系统的最终目的是达到最佳可能的分类(预测)性能。根据面部识别系统的用途，保证比较具有高程度的准确性是十分重要的。在高安全性应用中为了识别通缉的个人，与捕获图像和存储图像之间的最小差异无关地实现识别是十分重要的。
面部识别过程通常要求捕获人的图像或多个图像、处理这些图像并比较处理的图像和存储的图像。如果存储的图像和捕获的图像之间正确匹配，那么可以找到或验证个人的身份。从这里开始，词语“匹配”不需要表示精确匹配，而是表示存储图像中所示的人与捕获图像中的人或对象相同的一种可能性。美国专利NO.6,292,575描述了这样的系统并在这里引用以作为参考。
存储的图像通常是以面部模型的形式通过经某种分类器传递图像而被存储的，其中一种在美国专利申请NO.09/794,443中描述并引用在此作为参考，其中经过神经网络传递数个图像并将面部对象(例如，眼睛、鼻子、嘴巴)分类。接着建立和存储面部模型图像，以便之后与捕获图像的面部模型作比较。
许多系统要求捕获图像中的个人面部的调整在某种程度上受到控制，以保证与存储的图像比较的精确性。另外，许多系统控制获取图像的照明，以保证照明类似于存储图像的照明。一旦适当地定位了个人，那么照相机拍下单个或多个此人的图像，建立面部模型并与存储的面部模型进行比较。
这些系统的问题在于人的面部表情在捕获的图像中与在存储的图像中不同。一个人在存储图像中也许会微笑，但在捕获图像中却没有，或者一个人在存储图像中戴着眼睛，而在捕获的图像中却是隐形眼镜。这导致捕获图像与存储图像之间匹配的不精确性，并且导致个人的错误识别。
发明内容
由此，本发明的一个目标是提供一种识别和/或验证系统，使该系统在捕获图像的面部表情特征不同于存储图像的面部表情特征时具有改善的精确性。
根据本发明的优选实施例的系统捕获一个人的一个或多个图像。接着，定位捕获图像表情面部特征、将该表情面部特征与存储图像表情面部特征作比较。如果不存在匹配，那么标记和/或存储捕获图像中不匹配的表情面部特征的坐标。接着，根据捕获图像与存储图像之间的整体比较来移除这些坐标内的象素。从整个图像的后续比较中移除这些象素减少了由于捕获图像的面部表情和进行匹配的存储图像之间的差异而引起的错误否定。
根据在说明书和权利要求，其他目的和有点是显而易见的。
附图说明
为了便于理解本发明，参考了以下附图：
图1显示了具有不同面部表情的人的图像。
图2a显示了面部特征定位器。
图2b显示了具有表情面部特征的位置的面部图像。
图3显示了本发明的一个优选实施例。
图4是本发明的优选实施例的流程图。
图5显示了比较表情特征的示意性表示图。
图6显示了根据本发明的家庭联网面部识别系统。
具体实施方式
图1显示了具有变化的面部表情的人的六个图像的示例序列。图像(a)是存储图像。面部具有非常小的面部表情并且它在图片的中央。图像(b)-(f)是捕获图像。这些图像具有变化的面部表情并且其中一些不在图片的中央。如果图像(b-f)与存储图像(a)比较，由于面部表情的差异而不能发现正确的识别。
图2a显示了图像捕获设备和面部特征定位器。视频捕捉器20捕获图像。视频捕捉器20可包括任何光感应设备，用于将图像(可见光或红外光)转换成电子图像。这种设备包括视频照相机、黑白照相机、彩色照相机或对光谱的不可见部分敏感的照相机，比如红外照相机。视频捕捉器还可以被实现为各种不同类型的视频照相机或任何适合于捕获图像的机械装置。视频捕捉器还可以是到存储各种图像的存储设备的接口。视频捕捉器的输出例如采取RGB、YUV、HIS或灰度级的形式。
经由视频捕捉器20捕获的影像通常包括多于一个面部。为了在影像中定位面部，首先的也就是最先的步骤是执行面部检测。可以用不同的方式来执行面部检测，例如基于整体，其中在一个时刻检测整个面部，或者基于特征，其中检测各个面部特征。因为本发明涉及定位面部的表情部分，基于特征的方法用于检测两眼之间的眼间(interloccular)距离。基于特征的面部检测方法的例子在AntonioColmenarez、Brendan Frey以及Thomas Huang 1999年于日本神户的图像处理国际学会所发表的论文“Detection and Tracking ofFaces and Facial Features(面部以及面部特征的检测和追踪)”中进行了描述，并在此引用作为参考。通常的情况是没有对着相机，由于被获取图像的人没有直接看着成像设备而旋转了面部。一旦面部重新取向，就要重新调整它的大小。面部检测器/规范器21将面部图像规范化成预先设定的N×N象素阵列的大小，在优选实施例中，该大小是64×72个象素，使得在图像中的面部近似地与其他存储图像的大小相同。这是通过比较检测图像的眼间距离与存储图像的眼间距离而实现的。接着，根据比较结果使检测的面部更大或更小。检测器/规范器21利用本领域的技术人员已知的传统处理，将每个检测的面部图像表征为具有亮度值的N乘N阵列的二维图像。
接着，将捕获的规范化图像22发送到面部模型创建器22。面部模型创建器22接纳了检测的规范化面部并创建面部模型以识别各个面部。面部模型的创建使用了径向基函数(RBF)网络。每个面部模型的大小与检测的面部图像相同。径向基函数网络是一种分类器设备并且它在共同持有的共同待定的美国专利申请NO.09/794,443中描述，该申请题为“Classification of Objects thruogh Model Ensembles”并在2001年2月27日提交，其整个内容在此引用作为参考就如同完全在这里叙述了一般。几乎任何分类器可以用于创建面部模式，比如贝叶斯网络、最大似然距离尺度(ML)或径向基函数网络。
面部特征定位器23定位面部特征，比如每个眉毛的开始和结束，眼睛的开始和结束、鼻尖、嘴巴的开始和结束和图2b中显示的其他特征。通过人工选择特征或通过使用如Antonio Colmenarez和Tomas Huang的“Detection and Tracking of Faces and FacialFeatures”中描述的ML距离尺度来定位面部特征。特征检测的其他方法包括光流方法。根据该系统，不需要定位所有的特征，只需要定位表情面部特征，其可能在人的面部上的表情变化时而变化。面部特征定位器存储捕获图像的面部特征的位置。(应当注意，存储的图像采取面部模型的形式并已经执行了特征检测。)
在找到面部特征之后，执行识别和/或验证。图3显示根据本发明的优选实施例的面部识别/验证系统的框图。图3中显示的系统包括第一和第二级。如图2a中所示，第一级是捕获设备/面部特征定位器。这个级包括捕获一个人的图像的视频捕捉器20、规范化图像的面部检测器/规范器21、面部模型创建器22和面部特征定位器23。第二级是比较级，用于比较捕获图像和存储图像。这个级包括特征差异检测器24、用于存储不匹配特征坐标的存储设备25和用于将减去不匹配表情特征的整个图像与存储图像作比较的最终比较设备26。
特征差异检测器24比较捕获图像的表情特征和存储的面部模型的类似面部特征。一旦面部特征定位器定位出每个特征的坐标，特征差异检测器24就确定捕获图像的面部特征与存储图像的类似面部特征有多大不同。这是通过比较捕获图像中的表情特征的象素与存储图像的类似表情特征的象素来执行的。
利用欧几里得距离执行象素之间的实际比较。对于两个象素p1＝[R1 G1 B1]和p2＝[R2 G2 B2]，这个距离被计算成
d越小，两个象素之间就越匹配。以上假设了象素采取RGB的形式。本领域的技术人员也可对其他象素格式(例如YUV)应用相同类型的比较。
应当注意，在由比较器26执行的整个比较中只移除不匹配的特征。如果特定的特征匹配存储图像中的类似特征，如果不被认为是表情特征，就在比较中保持。匹配可在特定的允许限度内有意义。
例如，捕获图像的左眼与所有存储图像的左眼比较(图5)。该比较是通过比较N×N捕获图像内的眼睛象素的亮度值与存储图像内的眼睛象素的亮度值来执行的。如果在捕获图像的表情面部特征和存储图像中的对应表情特征之间不存在匹配，那么在25存储捕获图像的表情特征的坐标。在捕获图像的表情面部特征和存储图像中的对应表情面部特征之间不存在匹配的实事表示捕获图像不与任何图像匹配或者仅仅表示捕获图像中的眼睛闭上了，而进行匹配的存储图像中的眼睛是睁开的。由此，这些表情特征不需要用于整个图像比较中。
还比较其他表情面部特征，并且将那些与存储图像的对应表情面部特征不匹配的表情面部特征的坐标存储在25。比较器26接着获得捕获图像并且减去存储的表情面部特征的坐标内的不匹配象素，并仅仅将捕获特征的非表情特征与存储图像的非表情特征作比较以确定匹配的可能性，并还将比较那些同存储图像的表情特征匹配的捕获图像的匹配表情面部特征。
图4显示了根据本发明的优选实施例的流程图。该流程图解释了在捕获图像和存储图像之间的整体比较。在步骤S100，根据捕获图像创建面部模型，并找到表情特征的位置。表情特征例如是眼睛、眉毛、鼻子和嘴巴。可以识别这些表情特征所有或一部分。接着识别表情特征的坐标。如90和S110处所示的，找到捕获图像左眼的坐标。这些坐标在这里被表示为CLE1-4。为右眼CRE1-4和嘴巴CM1-4发现类型的坐标。在S120，选择捕获图像的面部特征，用于和存储图像比较。假设选择左眼，接着在S120，左眼CLE1-4坐标内的象素与存储图像的左眼坐标内的对应象素(SnLE1-4)作比较。(参看图5)。如果在S130，捕获图像的左眼坐标内的象素与任何存储图像的左眼坐标内的象素不匹配，那么在S140存储捕获图像的左眼坐标CLE1-4，并且在S120选择下一个表情面部特征。如果在S130，捕获图像的左眼坐标内的象素与存储图像的左眼坐标内的象素匹配，那么坐标被存储为“表情”特征坐标，并在S120选择另一个表情面部特征。应当在注意，单词“匹配”可表示高可能性的匹配，接近的匹配或精确的匹配。
一旦比较了所有表情面部特征，那么捕获图像N×N象素阵列(CN×N)与存储图像的N×N象素阵列(S1N×N…SnN×N)作比较。但是，该比较是在排除了落入捕获图像的任何存储坐标内的象素之后而执行的(步骤S150)。例如，如果捕获图像中的人眨他的左眼并且在存储图像中他没有眨眼，那么比较可能如下：
((CN×N)-CLE1-4)与((S1N×N)-S1LE1-4)…(SnN×N)-SnLE1-4))作比较。
该比较导致与存储图像匹配的可能性S160。通过移除不匹配的表情特征(眨眼的左眼)，与睁开/闭上的眼睛关联的差异将不是比较的部分，因此降低了错误否定的可能性。
本领域的技术人员可以理解，本发明的面部检测系统具有在安全系统领域和家庭内联网系统中的特定用途，家庭内联网系统必须识别用户以设置家庭偏好。存储房子里每个人的图像。当用户走进房间时，捕获图像并立刻将其与存储的图像比较以便确定房间中每个人的识别。因为人们从事着日常活动，那就可以容易地理解人们的面部表情在他们进入特定环境时可以不同于存储图像中他/她的面部特征。类似地，在诸如机场的安全应用中，人的图像在他/她登记时可以不同于存储在数据库中的他/她的图像。图6显示了根据本发明的家庭内联网系统。
成像设备是数码相机60并且它位于房间中，比如卧室中。当人61坐在沙发/椅子上时，数码相机捕获一张图像。接着利用本发明将该图像与存储在个人计算机62上的数据库中的图像比较。一旦作出识别，则电视63上的频道就变换到他/她最喜欢的频道，并且计算机62被设置成他/她的默认网页。
虽然已经显示和描述了本发明的优选实施例，但当然可以理解，任何形式的修改和变化或者细节可以容易地作出，而不偏离本发明的精神。因此，本发明不限于所描述和所示例说明的确定形式，而应当被构建为涵盖了所有落入所附权利要求的范围内的修改。

Claims (23)

1.一种比较捕获图像和存储图像的方法，包括：
捕获具有表情特征的面部图像(20)；
定位捕获面部图像(23)的表情特征；
比较捕获面部图像的表情特征和存储图像的类似表情特征，并且如果不存在与存储图像的任何类似表情特征的匹配，那么将该表情特征标记为一个标记的表情特征(25)；
比较(26)：1)减去了所标记的表情特征的捕获图像和2)减去了对应于所标记的表情特征的类似表情特征的存储图像。
2.如权利要求1所述的方法，其中捕获图像采取面部模型的形式，而存储图像采取面部模型(22)的形式。
3.如权利要求1所述的方法，其中使用光流技术来得到表情特征的定位(23)。
4.如权利要求2所述的方法，其中使用分类器来创建面部模型(22)。
5.如权利要求4所述的方法，其中该分类器是神经网络。
6.如权利要求4所述的方法，其中该分类器是最大似然距离量度。
7.如权利要求4所述的方法，其中该分类器是贝叶斯网络。
8.如权利要求4所述的方法，其中该分类器是径向基函数。
9.如权利要求1所述的方法，其中比较步骤将捕获图像的表情特征内的象素与存储图像的表情特征内的象素进行比较。
10.如权利要求1所述的方法，其中标记步骤存储(25)捕获图像的不匹配表情特征的坐标。
11.一种对捕获图像内的象素和存储图像内的象素进行比较的设备，包括：
捕获设备(20)，捕获具有表情特征的面部图像；
面部特征定位器(23)，定位捕获面部图像的表情特征；
比较器(24)，比较捕获面部图像的表情特征和存储图像的类似表情特征，并且如果不存在与存储图像的任何表情特征的匹配，那么将捕获图像的该表情特征标记为一个标记的表情特征(25)；
比较器(26)，还比较1)减去了所标记的表情特征的捕获图像和2)减去了对应于所标记的表情特征的类似表情特征的存储图像。
12.如权利要求11所述的设备，其中捕获图像采取面部模型的形式，而存储图像采取面部模型(23)的形式。
13.如权利要求11所述的设备，其中面部特征定位器(23)是最大似然距离量度。
14.如权利要求11所述的设备，其中捕获设备是视频捕捉器(20)。
15.如权利要求11所述的设备，其中捕获设备是存储介质(20)。
16.如权利要求11所述的设备，其中比较器(24)将捕获图像的表情特征内的象素与存储图像的表情特征内的类似象素进行比较。
17.如权利要求11所述的设备，还包括通过存储捕获图像的不匹配表情特征的坐标来标记表情特征的存储设备(25)。
18.一种比较捕获图像内的象素和存储图像内的象素的设备，包括：
捕获装置(20)，用于捕获具有表情特征的面部图像；
面部特征定位(23)装置，用于定位捕获面部图像的表情特征；
比较装置(24)，比较捕获面部图像的表情特征内的象素和存储图像的表情特征内的象素，并且如果不存在与存储图像的任何表情特征的匹配，那么将捕获图像的该表情特征的位置存储在存储器中；
比较装置(25)，还用于比较1)减去了不匹配表情特征的位置内的象素的捕获图像内的象素和2)减去了不匹配表情特征的位置内的象素的存储图像内的象素。
19.如权利要求18所述的设备，其中图像被存储为面部模型(23)。
20.如权利要求18所述的设备，其中定位器(23)是最大似然距离量度。
21.如权利要求19所述的设备，其中使用径向基函数来创建面部模型(23)。
22.如权利要求19所述的设备，其中使用贝叶斯网络来创建面部模型(23)。
23.一种面部检测系统，包括：
捕获设备(20)，捕获具有表情特征的面部图像；
面部特征(23)定位器，定位捕获面部图像的表情特征；
比较器(24)，比较捕获面部图像的表情特征内的象素和存储图像的表情特征内的象素，并且如果不存在与存储图像的任何表情特征的匹配，那么将捕获图像的该表情特征的位置存储在存储器(25)中；
比较器(28)，还比较1)减去了不匹配表情特征的位置的捕获图像和2)减去了不匹配表情特征的坐标的存储图像。
CNA2003801055694A 2002-12-13 2003-12-10 表情不变的面部识别 Pending CN1723467A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US43337402P 2002-12-13 2002-12-13
US60/433,374 2002-12-13

Publications (1)

Publication Number Publication Date
CN1723467A true CN1723467A (zh) 2006-01-18

Family

ID=32595170

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2003801055694A Pending CN1723467A (zh) 2002-12-13 2003-12-10 表情不变的面部识别

Country Status (7)

Country Link
US (1) US20060110014A1 (zh)
EP (1) EP1573658A1 (zh)
JP (1) JP2006510109A (zh)
KR (1) KR20050085583A (zh)
CN (1) CN1723467A (zh)
AU (1) AU2003302974A1 (zh)
WO (1) WO2004055715A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101427266B (zh) * 2006-02-24 2012-10-03 德萨拉技术爱尔兰有限公司 选择性地取消数字图像资格的方法和设备
CN102855463A (zh) * 2011-05-16 2013-01-02 佳能株式会社 面部识别装置及其控制方法和面部识别方法
US8750578B2 (en) 2008-01-29 2014-06-10 DigitalOptics Corporation Europe Limited Detecting facial expressions in digital images
CN110751067A (zh) * 2019-10-08 2020-02-04 艾特城信息科技有限公司 一种结合生物形态神经元模型的动态表情识别方法

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7283649B1 (en) * 2003-02-27 2007-10-16 Viisage Technology, Inc. System and method for image recognition using stream data
US7272246B2 (en) * 2003-05-22 2007-09-18 Motorola, Inc. Personal identification method and apparatus
US8553949B2 (en) 2004-01-22 2013-10-08 DigitalOptics Corporation Europe Limited Classification and organization of consumer digital images using workflow, and face detection and recognition
SG123618A1 (en) * 2004-12-15 2006-07-26 Chee Khin George Loo A method and system for verifying the identity of a user
US8503800B2 (en) 2007-03-05 2013-08-06 DigitalOptics Corporation Europe Limited Illumination detection using classifier chains
US20090235364A1 (en) * 2005-07-01 2009-09-17 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Media markup for promotional content alteration
KR101100429B1 (ko) * 2005-11-01 2011-12-30 삼성전자주식회사 포토 앨범 시스템의 반자동등록 방법 및 장치와, 이를 이용한 포토앨범 시스템
US7995741B1 (en) * 2006-03-24 2011-08-09 Avaya Inc. Appearance change prompting during video calls to agents
JP4197019B2 (ja) * 2006-08-02 2008-12-17 ソニー株式会社 撮像装置および表情評価装置
WO2008020038A1 (en) * 2006-08-16 2008-02-21 Guardia A/S A method of identifying a person on the basis of a deformable 3d model
WO2009116049A2 (en) 2008-03-20 2009-09-24 Vizi Labs Relationship mapping employing multi-dimensional context including facial recognition
US9143573B2 (en) 2008-03-20 2015-09-22 Facebook, Inc. Tag suggestions for images on online social networks
EP2279483B1 (en) 2008-04-25 2019-06-05 Aware, Inc. Biometric identification and verification
KR100947990B1 (ko) * 2008-05-15 2010-03-18 성균관대학교산학협력단 차영상 엔트로피를 이용한 시선 추적 장치 및 그 방법
WO2010063463A2 (en) 2008-12-05 2010-06-10 Fotonation Ireland Limited Face recognition using face tracker classifier data
JP5456159B2 (ja) * 2009-05-29 2014-03-26 デジタルオプティックス・コーポレイション・ヨーロッパ・リミテッド 背景から前景の頭頂部を分離するための方法および装置
TWI447658B (zh) 2010-03-24 2014-08-01 Ind Tech Res Inst 人臉影像擷取方法與裝置
US8971628B2 (en) 2010-07-26 2015-03-03 Fotonation Limited Face detection using division-generated haar-like features for illumination invariance
CN102385703B (zh) * 2010-08-27 2015-09-02 北京中星微电子有限公司 一种基于人脸的身份认证方法及系统
KR101649322B1 (ko) * 2011-02-03 2016-08-18 페이스북, 인크. 이미지에서 텍스트로 및 텍스트에서 이미지로 연관시키기 위한 시스템 및 방법
TWI439967B (zh) * 2011-10-31 2014-06-01 Hon Hai Prec Ind Co Ltd 安全監控系統及安全監控方法
US9104907B2 (en) * 2013-07-17 2015-08-11 Emotient, Inc. Head-pose invariant recognition of facial expressions
US20150227780A1 (en) * 2014-02-13 2015-08-13 FacialNetwork, Inc. Method and apparatus for determining identity and programing based on image features
EP2919142B1 (en) * 2014-03-14 2023-02-22 Samsung Electronics Co., Ltd. Electronic apparatus and method for providing health status information
CN104077579B (zh) * 2014-07-14 2017-07-04 上海工程技术大学 基于专家系统的人脸表情图像识别方法
US10915618B2 (en) 2014-08-28 2021-02-09 Facetec, Inc. Method to add remotely collected biometric images / templates to a database record of personal information
US10803160B2 (en) 2014-08-28 2020-10-13 Facetec, Inc. Method to verify and identify blockchain with user question data
US10698995B2 (en) 2014-08-28 2020-06-30 Facetec, Inc. Method to verify identity using a previously collected biometric image/data
US11256792B2 (en) 2014-08-28 2022-02-22 Facetec, Inc. Method and apparatus for creation and use of digital identification
US10614204B2 (en) 2014-08-28 2020-04-07 Facetec, Inc. Facial recognition authentication system including path parameters
CA3186147A1 (en) 2014-08-28 2016-02-28 Kevin Alan Tussy Facial recognition authentication system including path parameters
US10547610B1 (en) * 2015-03-31 2020-01-28 EMC IP Holding Company LLC Age adapted biometric authentication
US9977950B2 (en) 2016-01-27 2018-05-22 Intel Corporation Decoy-based matching system for facial recognition
USD987653S1 (en) 2016-04-26 2023-05-30 Facetec, Inc. Display screen or portion thereof with graphical user interface
US10958807B1 (en) * 2018-02-08 2021-03-23 Digimarc Corporation Methods and arrangements for configuring retail scanning systems
US10880451B2 (en) 2018-06-08 2020-12-29 Digimarc Corporation Aggregating detectability metrics to determine signal robustness
CN112417198A (zh) * 2020-12-07 2021-02-26 武汉柏禾智科技有限公司 人脸图像检索方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4975969A (en) * 1987-10-22 1990-12-04 Peter Tal Method and apparatus for uniquely identifying individuals by particular physical characteristics and security system utilizing the same
US5229764A (en) * 1991-06-20 1993-07-20 Matchett Noel D Continuous biometric authentication matrix
JPH0546743A (ja) * 1991-08-09 1993-02-26 Matsushita Electric Ind Co Ltd 個人識別装置
US5450504A (en) * 1992-05-19 1995-09-12 Calia; James Method for finding a most likely matching of a target facial image in a data base of facial images
US6181805B1 (en) * 1993-08-11 2001-01-30 Nippon Telegraph & Telephone Corporation Object image detecting method and system
EP0758471B1 (de) * 1994-03-15 1999-07-28 Fraunhofer-Gesellschaft Zur Förderung Der Angewandten Forschung E.V. Personenidentifikation mit bewegungsinformation
US5717469A (en) * 1994-06-30 1998-02-10 Agfa-Gevaert N.V. Video frame grabber comprising analog video signals analysis system
US5892838A (en) * 1996-06-11 1999-04-06 Minnesota Mining And Manufacturing Company Biometric recognition using a classification neural network
US6819783B2 (en) * 1996-09-04 2004-11-16 Centerframe, Llc Obtaining person-specific images in a public venue
JP2001506032A (ja) * 1997-09-16 2001-05-08 インビィジテック コーポレイション 相互相関の低い複合パラメータを使用した個人識別システム
US6292575B1 (en) * 1998-07-20 2001-09-18 Lau Technologies Real-time facial recognition and verification system
US6947578B2 (en) * 2000-11-02 2005-09-20 Seung Yop Lee Integrated identification data capture system
US6778705B2 (en) * 2001-02-27 2004-08-17 Koninklijke Philips Electronics N.V. Classification of objects through model ensembles
US6879709B2 (en) * 2002-01-17 2005-04-12 International Business Machines Corporation System and method for automatically detecting neutral expressionless faces in digital images
AU2003228380A1 (en) * 2002-03-27 2003-10-13 Molex Incorporated Differential signal connector assembly with improved retention capabilities

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101427266B (zh) * 2006-02-24 2012-10-03 德萨拉技术爱尔兰有限公司 选择性地取消数字图像资格的方法和设备
US9462180B2 (en) 2008-01-27 2016-10-04 Fotonation Limited Detecting facial expressions in digital images
US11470241B2 (en) 2008-01-27 2022-10-11 Fotonation Limited Detecting facial expressions in digital images
US11689796B2 (en) 2008-01-27 2023-06-27 Adeia Imaging Llc Detecting facial expressions in digital images
US8750578B2 (en) 2008-01-29 2014-06-10 DigitalOptics Corporation Europe Limited Detecting facial expressions in digital images
CN102855463A (zh) * 2011-05-16 2013-01-02 佳能株式会社 面部识别装置及其控制方法和面部识别方法
CN102855463B (zh) * 2011-05-16 2016-12-14 佳能株式会社 面部识别装置及其控制方法和面部识别方法
CN110751067A (zh) * 2019-10-08 2020-02-04 艾特城信息科技有限公司 一种结合生物形态神经元模型的动态表情识别方法
CN110751067B (zh) * 2019-10-08 2022-07-26 艾特城信息科技有限公司 一种结合生物形态神经元模型的动态表情识别方法

Also Published As

Publication number Publication date
EP1573658A1 (en) 2005-09-14
AU2003302974A1 (en) 2004-07-09
KR20050085583A (ko) 2005-08-29
WO2004055715A1 (en) 2004-07-01
JP2006510109A (ja) 2006-03-23
US20060110014A1 (en) 2006-05-25

Similar Documents

Publication Publication Date Title
CN1723467A (zh) 表情不变的面部识别
CN107480658B (zh) 基于多角度视频的人脸识别装置和方法
CN109344787B (zh) 一种基于人脸识别与行人重识别的特定目标跟踪方法
CN109377616B (zh) 一种基于二维人脸识别的门禁控制系统
Lagorio et al. Liveness detection based on 3D face shape analysis
US8116534B2 (en) Face recognition apparatus and face recognition method
US7869657B2 (en) System and method for comparing images using an edit distance
Sinha Qualitative representations for recognition
Moghaddam et al. An automatic system for model-based coding of faces
US20070116364A1 (en) Apparatus and method for feature recognition
KR101943433B1 (ko) 몽타주 인식을 통한 실시간 수배자 검출 시스템
US20190114470A1 (en) Method and System for Face Recognition Based on Online Learning
US20040181552A1 (en) Method and apparatus for facial identification enhancement
Koh et al. An integrated automatic face detection and recognition system
KR20190093799A (ko) Cctv를 통한 실시간 실종자 얼굴 인식 시스템 및 그 방법
Voronov et al. Faces 2D-recognition аnd identification using the HOG descriptors method
CN111539351A (zh) 一种多任务级联的人脸选帧比对方法
JPH07302327A (ja) 物体画像検出方法及び検出装置
CN116824641B (zh) 姿态分类方法、装置、设备和计算机存储介质
TW201804368A (zh) 人臉識別方法
EP1020811A2 (en) Fast matching systems and methods for personal identification
JP3962517B2 (ja) 顔面検出方法及びその装置、コンピュータ可読媒体
Rao Implementation of Low Cost IoT Based Intruder Detection System by Face Recognition using Machine Learning
KR101031369B1 (ko) 얼굴 인식 장치 및 그 방법
Peng et al. End-to-End Anti-Attack Iris Location Based on Lightweight Network

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication